Land cover mapping with patch-derived landscape indices

Automated-classification procedures of satellite imagery are mainly based on surface reflectance and generally ignore shape and size of landforms. On the other hand, quantitative landscape ecology has been focused on the patch concept as a landscape unit due to its relevance in the theory and practice of the conservation of species in human-modelled landscapes. The present paper explores how landscape metrics can introduce the component of spatial pattern of landscape elements to enhance land cover classification reliability. In particular, a method is proposed to extract patch-derived indices and to introduce them in a supervised classification of Landsat Thematic Mapper (TM) images as neo-channels. To extract patch-derived indices, an image segmentation method based on edge detection was used to define patches without an a priori knowledge of land cover classes. We calculated four patch indices: area, perimeter, shape index and fractal dimension. These indices were introduced in the classification to test the improvement of classification reliability. Well-known additional information (texture and topographic features) was also tested for comparison purposes. The method was tested for mapping land cover types in a mountainous region in the French Pyrenees, the Massif of Arize. The results of classification reliability allowed us to conclude that patch indices and topographic features significantly improved the discrimination of land cover classes. The combination of these additional information types by means of data fusion is useful for land cover classification purposes.     

石拱桥的有限弹簧法分析及其安全性评价

依据计算几何学的分割理论,开发了对石拱桥进行任意形状单元划分的计算机前处理系统,提出了用有限弹簧法模拟石拱桥力学性能的计算方法。其特点是能够把石拱桥的拱圈看成个别石材块体构成的不连续体,考虑拱圈随着偏心压缩而引起的石材块体间开口变形的同时,也考虑拱背填料和拱圈的相互作用及其它的荷载分散效果。数值模拟了多跨石拱桥在分布活荷载及其水平地震荷载作用下的力学性能,并进行了安全性评价。     

C语言程序设计教学方法探讨

越来越多的大学开设了C语言作为计算机程序设计类基础课程 ,C语言程序设计基本概念和能力已成为学习后序计算机课程的重要基础。文章根据实践教学经验 ,总结分析了c语言程序设计课程教学中的一些教学方法 ,并结合实际案例进行了说明。希望能给大学计算机基础教学提供一些参考方法     

AutoCAD中圆弧折线化方法与实现

AutoCAD作为一种重要的地形图制图软件,图中存在大量的圆弧图元。由于圆弧只有端点或圆心坐标,弧线本身缺乏精确的坐标信息,因此导致一些数据检查时出错。Auto CAD软件本身不提供圆弧转折线的功能。本文尝试采用等角切分方法,利用VBA二次开发技术,在保持图形原有特征及精度要求的前提下,将圆弧、圆及多段线中的圆弧分别转换为纯折线的多段线,从而去除圆弧部分。满足基础地理信息数据库建库等特殊的数据需求。     

一种改进的迷彩设计中背景图像分割方法

针对迷彩设计中常用的彩色图像分割方法计算量过大、分割效果不明显等问题,提出一种改进方法。先确定背景中与主色接近的军标色,然后结合区域分割与聚类分析的思想,得到不同特征的分割效果。实验以图像色度为分割特征,在选取不同阈值的情况下,列举并分析了所得结果。实验结果表明,改进后的方法能够较好地分割背景图像并保留其细节纹理特征,得到较为理想的设计效果。     

非均匀光照条件下PCB图像的一种阈值分割方法

针对不均匀光照条件下的PCB图像及其特点,提出了用于消除伪边缘的判别因子,并结合边缘检测与局部阈值分割方法,对图像进行二值化处理.结果显示,与其他已有的几种分割方法相比,该方法有助于得到良好的分割结果,操作算法简单.     

基于半监督对抗学习的图像语义分割

目的 将半监督对抗学习应用于图像语义分割,可以有效减少训练过程中人工生成标记的数量。作为生成器的分割网络的卷积算子只具有局部感受域,因此对于图像不同区域之间的远程依赖关系只能通过多个卷积层或增加卷积核的大小进行建模,但这种做法也同时失去了使用局部卷积结构获得的计算效率。此外,生成对抗网络（generative adversarial network,GAN）中的另一个挑战是判别器的性能控制。在高维空间中,由判别器进行的密度比估计通常是不准确且不稳定的。为此,本文提出面向图像语义分割的半监督对抗学习方法。方法 在生成对抗网络的分割网络中附加两层自注意模块,在空间维度上对语义依赖关系进行建模。自注意模块通过对所有位置的特征进行加权求和,有选择地在每个位置聚合特征。因而能够在像素级正确标记值数据的基础上有效处理输入图像中广泛分离的空间区域之间的关系。同时,为解决提出的半监督对抗学习方法的稳定性问题,在训练过程中将谱归一化应用到对抗网络的判别器中,这种加权归一化方法不仅可以稳定判别器网络的训练,并且不需要对唯一的超参数进行密集调整即可获得满意性能,且实现简单,计算量少,即使在缺乏互补的正则化技术的情况下,谱归一化也可以比权重归一化和梯度损失更好地改善生成图像的质量。结果 实验在Cityscapes数据集及PASCAL VOC 2012（pattern analysis,statistical modeling and computational learning visual object classes）数据集上与9种方法进行比较。在Cityscapes数据集中,相比基线模型,性能提高了2.3%~3.2%。在PASCAL VOC 2012数据集中,性能比基线模型提高了1.4%~2.5%。同时,在PASCAL VOC 2012数据集上进行消融实验,可以看出本文方法的有效性。结论 本文提出的半监督对抗学习的语义分割方法,通过引入的自注意力机制捕获特征图上各像素之间的依赖关系,应用谱归一化增强对抗生成网络的稳定性,表现出了较好的鲁棒性和有效性。     

双重编—解码架构的肠胃镜图像息肉分割

目的 肠胃镜诊断一直被认为是检测及预防结直肠癌的金标准,但当前的临床检查中仍存在一定的漏诊概率,基于深度学习的肠胃内窥镜分割方法可以帮助医生准确评估癌前病变,对诊断和干预治疗都有积极作用。然而提高目标分割的准确性仍然是一项具有挑战性的工作,针对这一问题,本文提出一种基于双层编—解码结构的算法。方法 本文算法由上、下游网络构成,创新性地利用上游网络训练产生注意力权重图,对下游网络解码过程中的特征图产生注意力引导,使分割模型更加注重目标区域;提出子空间通道注意力结构,在跨越连接中提取多分辨率下的跨通道信息,可以有效细化分割边缘;最终输出添加残差结构防止网络退化。结果 在公共数据集CVC-ClinicDB(Colonoscopy Videos Challenge-ClinicDataBase)和Kvasir-Capsule上进行测试,采用Dice相似系数(Dice similariy coefficient,DSC)、均交并比(mean intersection over union,mIoU)、精确率(precision)以及召回率(recall)为评价指标,在两个数据集上的DSC分别达到了94.22%和96.02%。进一步将两个数据集混合,测试了算法在跨设备图像上的鲁棒性,其中DSC提升分别达到17%—20%,在没有后处理的情况下,相较其他先进模型(state-of-the-art,SOTA),如U-Net在DSC、mIoU以及recall上分别取得了1.64%、1.41%和2.54%的提升,与ResUNet++的对比中,在DSC以及recall指标上分别取得了2.23%和9.87%的提升,与SFA (selective feature aggregation network)、PraNet和TransFuse等算法相比,在上述评价指标上也均有显著提升。结论 本文算法可以有效提高医学图像分割效果,并且对小目标分割、边缘分割具有更高的准确率。     

CT图像肺及肺病变区域分割方法综述

计算机断层扫描（computed tomography,CT）技术能为新冠肺炎（corona virus disease 2019,COVID-19）和肺癌等肺部疾病的诊断与治疗提供更全面的信息,但是由于肺部疾病的类型多样且复杂,使得对肺CT图像进行高质量的肺病变区域分割成为计算机辅助诊断的重难点问题。为了对肺CT图像的肺及肺病变区域分割方法的现状进行全面研究,本文综述了近年国内外发表的相关文献：对基于区域和活动轮廓的肺CT图像传统分割方法的优缺点进行比较与总结,传统的肺CT图像分割方法因其实现原理简单且分割速度快等优点,早期使用较多,但其存在分割精度不高的缺点,目前仍有不少基于传统方法的改进策略;重点分析了基于卷积神经网络（convolutional neural network,CNN）、全卷积网络（fully convolutional network,FCN）、U-Net和生成对抗网络（generative adversarial network,GAN）的肺CT图像分割网络结构改进模型的研究进展,基于深度学习的分割方法具有分割精度高、迁移学习能力强和鲁棒性高等优点,特别是在辅助诊断COVID-19病例时,基于深度学习方法的性能明显优于基于传统方法的性能;介绍肺及肺病变区域分割的常用数据集和评价指标,在解决如COVID-19数据样本量少等问题时,使用GAN以合成高质量的对抗性图像用以扩充数据集,从而增加训练样本的数量和多样性;讨论了肺CT图像的肺及肺病变区域的高精度分割策略的研究趋势、现有挑战和未来的研究方向。     

融合视觉词与自注意力机制的视频目标分割

目的 视频目标分割(video object segmentation,VOS)是在给定初始帧的目标掩码条件下,实现对整个视频序列中感兴趣对象的分割,但是视频中往往会出现目标形状不规则、背景中存在干扰信息和运动速度过快等情况,影响视频目标分割质量。对此,本文提出一种融合视觉词和自注意力机制的视频目标分割算法。方法 对于参考帧,首先将其图像输入编码器中,提取分辨率为原图像1/8的像素特征。然后将该特征输入由若干卷积核构成的嵌入空间中,并将其结果上采样至原始尺寸。最后结合参考帧的目标掩码信息,通过聚类算法对嵌入空间中的像素进行聚类分簇,形成用于表示目标对象的视觉词。对于目标帧,首先将其图像通过编码器并输入嵌入空间中,通过单词匹配操作用参考帧生成的视觉词来表示嵌入空间中的像素,并获得多个相似图。然后,对相似图应用自注意力机制捕获全局依赖关系,最后取通道方向上的最大值作为预测结果。为了解决目标对象的外观变化和视觉词失配的问题,提出在线更新机制和全局校正机制以进一步提高准确率。结果 实验结果表明,本文方法在视频目标分割数据集DAVIS (densely annotated video segmentation)2016和DAVIS 2017上取得了有竞争力的结果,区域相似度与轮廓精度之间的平均值J&F-mean (Jaccard and F-score mean)分别为83.2%和72.3%。结论 本文提出的算法可以有效地处理由遮挡、变形和视点变化等带来的干扰问题,实现高质量的视频目标分割。